Metagenomic data-mining reveals contrasting microbial populations responsible for trimethylamine formation in human gut and marine ecosystems
Notice bibliographique
Résumé
Existing metagenome datasets from many different environments contain untapped potential for understanding metabolic pathways and their biological impact. Our interest lies in the formation of trimethylamine (TMA), a key metabolite in both human health and climate change. Here, we focus on bacterial degradation pathways for choline, carnitine, glycine betaine and trimethylamine N-oxide (TMAO) to TMA in human gut and marine metagenomes. We found the TMAO reductase pathway was the most prevalent pathway in both environments. Proteobacteria were found to contribute the majority of the TMAO reductase pathway sequences, except in the stressed gut, where Actinobacteria dominated. Interestingly, in the human gut metagenomes, a high proportion of the Proteobacteria hits were accounted for by the genera Klebsiella and Escherichia. Furthermore Klebsiella and Escherichia harboured three of the four potential TMA-production pathways (choline, carnitine and TMAO), suggesting they have a key role in TMA cycling in the human gut. In addition to the intensive TMAO–TMA cycling in the marine environment, our data suggest that carnitine-to-TMA transformation plays an overlooked role in aerobic marine surface waters, whereas choline-to-TMA transformation is important in anaerobic marine sediments. Our study provides new insights into the potential key microbes and metabolic pathways for TMA formation in two contrasting environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».